python - NLP 文本分类的步骤或方法？

Question

我正在开发一个项目，根据情绪(正面或负面)对餐厅评论进行分类。另外我想对这些评论是否属于食品、服务、物有所值等类别进行分类。我无法链接互联网上提供的步骤或方法。谁能提供详细的方法或步骤来解决问题。

Answer 1

使用词袋模型怎么样。它已经经过了多年的尝试和测试。与更现代的方法相比，它有一些缺点，但您仍然可以获得不错的结果。互联网上有大量 Material 可以帮助您:

• 将文档标准化为您的管道可摄取的形式
• 将文档转换为向量并执行 TF-IDF 来过滤不相关的术语。 Here is a good tutorial 。并将它们转换为矢量形式。
• 分割您的文档，获取一些文档子集，并根据评论的类别(情感)/类型标记属于训练数据的文档。显然，您的文档将属于两个类别。
• 应用某种类型的降维技术使您的模型更加稳健，good discussion is here
• 根据训练数据训练模型。您至少需要两种模型，一种用于情感，一种用于类型。有些算法仅适用于二进制类，因此您可能需要的不仅仅是评论类型(食品、值(value)、服务)的模型。这可能是一件好事，因为一条评论可以属于多个类别(食品质量和值(value)，或值(value)和服务)。 Scikit-learn有很多好模型，我也强烈推荐orange toolbox它就像数据科学的 GUI。
• 使用验证集验证您的模型。如果您的准确性令人满意(大多数经典方法(如 SVM)应该至少为 90%)，请继续将其用于传入数据